【Flask + Eacharts】使用Flask + ECharts对考研数据进行可视化
其他的可视化试题，药品数据的可视化对考研数据进行可视化数据的分析和查看数据的查看数据的分析对考研数据进行数据可视化招生专业数量前十条形图数据的分析和查看数据的查看我们可以先查看数据库中的数据我们使用Python读取数据import pandas as pdfrom sqlalchemy import create_engineimport pymysql# 自定义函数连接数据库获取数据def co
·
其他的可视化试题，药品数据的可视化
数据的分析和查看
数据的查看
我们可以先查看数据库中的数据
我们使用Python读取数据
import pandas as pd
from sqlalchemy import create_engine
import pymysql
# 自定义函数连接数据库获取数据
def connFuntion():
conn = pymysql.connect(host="localhost"
, user="root"
, password="123456"
, port=3306
, db="flask")
sql = "select * from kaoyan"
data = pd.read_sql(sql, conn)
return data
我们使用这中方法虽然可以得出结果，但是不知道为什么会出现警告，可能是版本的问题？？？，警告如下
UserWarning: pandas only support SQLAlchemy connectable(engine/connection) ordatabase string URI or sqlite3 DBAPI2 connectionother DBAPI2 objects are not tested, please consider using SQLAlchemy
warnings.warn(
虽然不影响结果，但是有警告也很烦，所以我们可以选择使用下面的方法读取数据
import pandas as pd
from sqlalchemy import create_engine
# 自定义函数连接数据库获取数据
def connFun():
engine = create_engine("mysql+pymysql://root:123456@localhost:3306/flask")
sql = '''select * from kaoyan'''
data = pd.read_sql(sql, engine)
return data
data = connFun()
查看是否存在空值
print(data.isnull().sum())
查看有空的行的数据
data_null = data[data.isnull().T.any()]
查看是否有行重复
data.duplicated().sum()
数据的分析
去掉空行
data.dropna(inplace=True)
我们只选择年份为2020年的
data_2020 = data[data['year'] == '2020']
可见我们少了很多数据
我们可以看到有数据总分的格式不是很规整，如下图
我们需要删除不规范的数据，并且将总分这个列的数据类型转换成 INT类型
data_2020 = data_2020[~(data_2020['score'] == '-')]
data_2020['year'] = data_2020['year'].astype(int)
我们将上述内容写在一个函数里面
def dataParse():
data = connFun()
# 去掉空行
data.dropna(inplace=True)
# 筛选年份
data_2020 = data[data['year'] == '2020']
# 总分行处理
data_2020 = data_2020[~(data_2020['score'] == '-')]
data_2020['year'] = data_2020['year'].astype(int)
return data_2020
对考研数据进行数据可视化
招生专业数量前十条形图
原本我们取专业前十的数据，我们只需要取两列的数据即可，但是我觉得某些学校的某一个专业可能出现了不止一次，但是我们只需要每个专业数，我们只需要计算一次即可，所以我们要找到这些专业并且只按一次计算
先求出每个学校每个专业出现的次数
data2020 = dataParse()
data2020 = data2020[['school', 'major', 'score']]
# 每个学校每个专业出现的次数
major_count_sort = data2020.groupby(['school', 'major']).agg('count').reset_index()
我们现在需要找到是否有些专业多次出现
major_count_sort = major_count_sort[major_count_sort['score'] > 1]
发现确实有专业多次出现，我们需要将其重新设为1
major_count_sort['score'] = 1
然后对数据进行汇总求和，并且降序排序，只取出前十条
major_count_sort = major_count_sort.groupby('school').sum('score').sort_values('score',
ascending=False).reset_index().head(
10)
将其写进函数中，完整的代码如下
def test01():
data2020 = dataParse()
data2020 = data2020[['school', 'major', 'score']]
# 每个学校每个专业出现的次数
major_count_sort = data2020.groupby(['school', 'major']).agg('count').reset_index()
# 将重复出现的专业设为1
major_count_sort['score'] = 1
# 求和排序
major_count_sort = major_count_sort.groupby('school').sum('score').sort_values('score',
ascending=False).reset_index().head(
10)
return major_count_sort
我们这里来编写Flask的框架
from flask import Flask, render_template
import Utils
app = Flask(__name__)
data = Utils.test01()
school = data['school'].tolist()
count = data['score'].tolist()
@app.route('/')
def index():
return render_template('招生专业数量前十条形图.html', school=school, count=count)
if __name__ == '__main__':
app.run(debug=True)
页面的书写
<!DOCTYPE html>
<html lang="en" >
<head>
<meta charset="UTF-8">
<title>招生专业数量前十条形图</title>
<script src="../static/echarts.min.js"></script>
</head>
<body>
<div id="main" style="width:1200px;height:400px"></div>
<script>
var myCharts = echarts.init(document.getElementById("main"));
var school = [{% for item in school %}'{{ item }}',{% endfor %}];
var option = null;
option = {
title: {
text: '招生专业数量前十条形图'
},
tooltip: {
trigger: 'axis',
axisPointer: {
type: 'line'
}
},
legend: {},
grid: {
left: '3%',
right: '4%',
bottom: '3%',
containLabel: true
},
xAxis: {
min : 130,
type: 'value',
boundaryGap: [0, 0.01]
},
yAxis: {
type: 'category',
data: school
},
series: [
{
name: '专业数量',
type: 'bar',
data: {{count | safe}},
label: {
show:true,
position: 'right'
}
}
]
};
myCharts.setOption(option);
</script>
</body>
</html>
我们发现条形图是从下往上的，我们这里可以调整一下数据
school = data['school'].tolist()[::-1]
count = data['score'].tolist()[::-1]
部分专业的最高分和最低分条形图
我们随机从数据库中抽取出几个专业，比较其最高分和最低分,首先我们先求出没哦个专业的最大值和最小值
# 读取数据
data = dataParse()
# 选取所需的列
data = data[['major', 'score']]
# 求出最大的分数
data_max_score = data.groupby('major').max().reset_index()
# 修改列名
data_max_score.columns = ['major', 'max_score']
# 求出最小的分数
data_score = data.groupby('major').min().reset_index()
# 修改列名
data_score.columns = ['major', 'min_score']
最大值数据
最低分数据
将数据合并
data_score['max_score'] = data_max_score['max_score']
随机抽取二十条数据
data = data_score.sample(n=20,random_state=123, axis=0)
Flask框架部分
from flask import Flask, render_template
import Utils
app = Flask(__name__)
data = Utils.test02()
major = data['major'].tolist()
max_score = data['max_score'].tolist()
min_score = data['min_score']
min_score = min_score.apply(lambda x: -int(x))
@app.route('/')
def index():
return render_template('部分专业最高和最低分正反条形图.html', major=major, max_score=max_score, min_score=min_score)
if __name__ == '__main__':
app.run(debug=True)
我们再官网上找到就只有正反条形图，展示如下
但是我们的分数时不可能为负的，所以我们需要稍作修改，这里暂不做赘述，需要知道完整的修改步骤请移步正反条形图X轴全为正数
网页文件部分展示
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>部分专业最高和最低分正反条形图</title>
<script src="../static/echarts.min.js"></script>
</head>
<body>
<div id="main" style="width:1200px;height:400px"></div>
<script type="text/javascript">
var myCharts = echarts.init(document.getElementById("main"));
var major = [{% for item in major %}'{{ item }}',{% endfor %}];
var min_score = [{% for item in min_score %}'{{ item }}',{% endfor %}];
var max_score = [{% for item in max_score %}'{{ item }}',{% endfor %}];
option = {
title:{
text:"部分专业最高分和最低分"
},
dataZoom: {
start: 0,
type: "inside"
},
tooltip: {
trigger: 'axis',
axisPointer: {
type: 'shadow'
},
formatter: (params) => {
if (!params.length) return ''
let s = params[0].axisValueLabel + '<br/>'
for (const iterator of params) {
// 如果是负数则反转
let d = iterator.data < 0 ? -iterator.data : iterator.data
s += iterator.marker + iterator.seriesName + '：' + d + '<br/>'
}
return s
}
},
legend: {},
grid: {
left: '3%',
right: '4%',
bottom: '3%',
containLabel: true
},
xAxis: [
{
type: 'value',
axisLabel: {
formatter: (value) => {
// 负数取反 显示的就是正数了
if (value < 0) return -value
else return value
}
}
}
],
yAxis: [
{
type: 'category',
axisTick: {
show: false
},
data: major
}
],
series: [
{
name: '最高分',
type: 'bar',
stack: 'Total',
label: {
show: true,
},
emphasis: {
focus: 'series'
},
data: max_score
},
{
name: '最低分',
type: 'bar',
stack: 'Total',
label: {
show: true,
position: 'left',
formatter: (value) => {
// 值都是负数的 所以需要取反一下
return -value.data
}
},
emphasis: {
focus: 'series'
},
data: min_score
}
]
};
myCharts.setOption(option);
</script>
</body>
</html>
最后的结果展示
汇聚原天河团队并行计算工程师、中科院计算所专家以及头部AI名企HPC专家，助力解决“卡脖子”问题
更多推荐
2
0- 0
已为社区贡献1条内容
所有评论(0)